基于主轴分析和团块特征提取的ISAR目标检测方法

传统的目标ISAR成像特征提取方法,对其能量分布、局部关键性质考虑不足。考虑到一般强散射点主要分布在目标主轴附近,文中提出了一种基于ISAR目标主轴分析的团块特征提取方法,首先通过强散射点坐标矩阵求得目标主轴方向及目标中心;在此基础上沿目标能量的主要分布范围对目标进行团块分割。提取到的团块特征,避免了强散射点对弱散射点几何结构表现能力的抑制,既可以反映目标直观特征,又可以较好反映目标的能量分布细节。仿真结果证明文中提出的方法是有效的。     

一种结合矩阵相关系数的快速分形图像编码

分形编码是一种非常有潜力的压象压缩技术,但其算法过程耗时较长和计算复杂性过高,因此需要一种减少编码时间的方法.针对此问题,根据分形图像编码的特点,首先利用分形后定义域和值域之间的相关系数的大小来确定最佳的定义域块,提出了旨在降低编码复杂度和缩短编码时间的一种改进的快速分形编码算法.算法在编码搜索过程中,仅搜索符合条件的父块,从而减少搜索范围,降低编码时间.实验结果表明,算法与基本分形算法比较,在峰值信噪比和图像质量可以接受的情况下,使编码速度大大加快.     

人脸亲子关系验证研究综述EI北大核心CSCD

人脸亲子关系验证即通过给定的不同人的两幅人脸图像判断其是否具有亲子关系,是计算机视觉和机器学习领域中一个重要的研究问题,在丢失儿童寻找、社会媒体分析、图像自动标注等领域具有广泛的应用价值.随着人脸亲子关系验证问题受到越来越多的关注,其在多个方面都得到了相应的发展,本文对人脸亲子关系验证方法做了综述整理.首先,简要介绍了人脸亲子关系验证在近十年的研究现状,随后对问题进行了定义并讨论其面临的挑战.接下来,汇总了常用的亲子数据库,对数据库属性做了详细的总结和对比.然后,对人脸亲子关系验证方法进行了分类总结、对比,以及不同方法的性能表现.最后,展望了人脸亲子关系验证今后可能的研究方向.     

基于Google与KL距离的概念相关度算法

WordNet在计算概念相关度时存在词汇量小、难以及时扩展更新以及同义、近义、一词多义等问题。为此,提出一种结合文本信息和图像视觉信息的概念相关度方法。利用Google距离和KL距离分别计算基于词语同现频率的概念相关度和基于视觉特征的概念相关度,并结合两者得到概念的总体相关度。实验结果验证了该方法的有效性。     

基于边缘分析和颜色统计的车牌精确定位新方法*

针对车牌的边界定位不准确和伪车牌较多的问题,提出了一种边缘分析和颜色统计相结合的车牌精确定位的新框架。该框架主要分为预处理、粗定位、精确定位和伪车牌排除四个模块。对图像作边缘检测和二值化等预处理,用投影法粗定位出候选区域,利用候选区域及其周围的边缘和颜色的信息实现车牌的精确定位。对于定位结果有多个候选区域的情况,对候选区域进行排序,再将排序结果按顺序传入字符分割模块,从而有效排除非车牌区域的影响。实验结果表明,该方法精确度和准确率高、实时性强,适用于不同的应用场合。     

基于新的肤色模型的人脸检测方法

基于灰度信息的人脸检测方法在转换过程中会损失原图像中部分有用信息。通过对肤色在YCbCr色彩空间分布的统计分析，提出一种在彩色域中建立肤色模型的方法，并建立了较为准确的肤色模型。在此基础上，根据人脸几何结构特征进一步识别人脸。利用芬兰奥卢大学的基于物理学人脸数据库等一些图像数据检验方法的性能，实验结果表明该方法在较大的光照变化条件下均具有较好的检测率。     

一种新的人面部表情识别方法

论文提出一种全自动识别人脸七种基本表情(愤怒、厌恶、恐惧、高兴、无表情、悲伤和惊奇)的方法。该方法首先采用几何模型匹配法自动定位出人眼,在此基础上进行人脸大小归一化,然后利用局域二值模式(LocalBinaryPattern,LBP)技术提取面部特征,最后采用由粗到细的方案进行表情分类。采用日本的JAFFE公用表情数据库来检测算法的性能,实验结果验证了方法的有效性。     

基于粗略到精细分类的面部表情识别方法

为了更准确地识别人的表情，在识别人脸7种基本表情（愤怒、厌恶、恐惧、高兴、无表情、悲伤和惊讶）时，采用了局域二值模式技术提取面部特征，进行由粗略到精细的表情分类。在粗略分类阶段，7种基本表情中的2种表情被选为初步分类结果（候选表情）。在精细分类阶段，选用计算加权卡方值确定最终分类结果。采用日本的Jaffe表情数据库来验证算法性能，对陌生人表情的识别率为77.9%，其结果优于采用同样数据库的其他方法，且易于实现。     

覆盖空间下粗糙集和Vague软集融合方法研究

针对覆盖近似空间下粗糙集、Vague集和软集3种不确定性理论方法融合扩展的问题,提出了一种新的基于近邻域的覆盖粗糙Vague软集模型,并讨论了相关性质。又针对该模型的不确定性度量问题,定义了一种新的覆盖粗糙Vague软集的不确定性度量方法。该方法通过引入覆盖粒度空间下知识熵的概念定义覆盖粒度空间的不确定程度,同时采用粗糙度定义覆盖粗糙Vague软集本身的粗糙性,最后将二者结合度量覆盖粗糙Vague软集的不确定性程度。算例分析表明,该度量方法是有效可行的,并且随着覆盖粒度的增大覆盖粗糙Vague软集的不确定性程度也随之增大。覆盖粗糙Vague软集模型在胃电信号(EGG)分析及胃疾病辅助诊断问题研究中有很好的应用前景。     

基于聚散熵及运动目标检测的监控视频关键帧提取

针对公安监控视频检索中根据运动目标准确标注视频关键帧的问题,提出一种基于聚散熵及运动目标检测的监控视频关键帧提取算法。首先通过对视频内容的分析,提出监控视频聚散熵的概念。其次根据聚散熵对监控视频进行子镜头划分,再次根据运动目标检测对子镜头进行划分,从而提取视频关键帧。最后列举出算法在几种典型视频数据库中的实验结果及结果分析。实验结果表明该算法在关键帧提取的准确性和鲁棒性上都有良好表现,该算法针对公安监控视频检索需求,在缩短公安视频侦查时间及智能检索中起到支撑作用。